Data Fusion

📌Подборка полезных материалов про ML System Design - ч.2 Во второй части подборки собрали актуальные статьи, которые иллюстрируют неожиданное поведение моделей и влияние данных на итоговый результат: 🔹 2021 Nature — AI for radiographic COVID-19 detection selects shortcuts over signal Эталонная работа о том, как ML-модель может «выглядеть умной», не решая задачу. Анализируя системы детекции COVID-19, авторы показали: модели научились делать выводы на основе побочных закономерностей датасетов — в каком госпитале сделан снимок, на каком аппарате, как сильно обработано изображение. 🔹 2025…

📌Подборка полезных материалов про ML System Design - ч.1 Недавно наш Data Scientist Владимир Фуфаев выступил с лекцией для студентов НИУ ВШЭ. Рассказал об этапах разработки ML-проектов (ML System Design) с фокусом на работу с данными. Интересный факт — продвинутые модели могут улавливать и усиливать ошибки в данных. Однако при грамотном подходе модели могут сами помогать компенсировать недостатки данных. Собрали книги, которые помогут глубже разобраться в ML System Design. Сохраняй себе и делись с коллегами: 🔹Чип Хьюэн — «Проектирование систем машинного обучения» Книга — мост между ака…

🗂Что интересного почитать на архиве? Собрали свежие статьи про AI и LLM, которые точно будут полезны для DS-ов и не только: 1️⃣JustGRPO is an ICML 2026 Outstanding Paper (The Flexibility Trap: Rethinking the Value of Arbitrary Order in Diffusion Language Models) by Tsinghua-LeapLab that applies standard Group Relative Policy Optimization (GRPO) to diffusion large language models (dLLMs) using strict left-to-right autoregressive (AR) ordering during training Это одна из самых обсуждаемых работ в области dLLM за последние месяцы. Получение Outstanding Paper на ICML автоматически обеспечивает…

💪Маленькие модели — большие возможности? Малые языковые модели (SLM) всё чаще оказываются в центре внимания: они требуют меньше ресурсов, быстрее работают и могут решать вполне серьёзные задачи. Но действительно ли SLM способны конкурировать с LLM? Где их преимущества становятся особенно заметны — и в каких сценариях они пока уступают? В карточках собрали ключевое: от сценариев применения SLM до их ограничений и возможного места в AI-архитектурах. 📌Подробнее в статье на Хабре

Компьютерное зрение: 6 полезных ресурсов Подборка полезных ресурсов по CV от Data Scientist-а ВТБ Олега Милосердова для тех, кто работает с компьютерным зрением или хочет больше узнать об этой технологии. Попробовать на практике 📌 Ultralytics Solutions (https://docs.ultralytics.com/solutions/) — готовые примеры Computer Vision. Помимо обычной документации по YOLO, у Ultralytics есть хороший раздел с готовыми сценариями: tracking, подсчёт объектов, heatmap, оценка скорости, работа с зонами. Можно быстро посмотреть, как решается типовая задача, и взять код за стартовую точку. 📌 Albumentat…

Привет, меня зовут Анна Ширшова, и я с детства занимаюсь театром. А еще руковожу 4-мя командами разработки ИИ-решений для розничного бизнеса в ВТБ. Казалось бы, между актерской деятельностью и ML нет ничего общего, но это не так — и навыки, полученные в одной из этих областей, я применяю и в другой: от публичных выступлений и переговоров до управления командами и решения нестандартных задач. Мы взяли у Ани интервью и сделали статью про то, как актерское мастерство помогает руководителю DS-команды. Читай тут 💙

Учить других — и учиться самому: зачем наши DS-ы становятся менторами Алексей Пустынников и Даниил Ушаков – Data Scientist-ы ВТБ и по совместительству наставники образовательных программ для школьников.  Ребята не раз готовили задания и датасеты для участников «Больших Вызовов» от Сириуса, «Весенних школ» от НИУ ВШЭ. А недавно Данил и Лёша погружали в проект по GeoRAG участников Международного фестиваля молодёжи в Екатеринбурге. Мы решили узнать, что ими движет? Почему им снова и снова хочется возвращаться к менторству и работе со школьниками? ➡️ Подробнее читай тут

От «магии» к пониманию: знакомим школьников из разных стран с GeoRAG Вчера мы вернулись с Международного фестиваля молодёжи в Екатеринбурге, где 1000 школьников из более чем 100 стран знакомились с новыми направлениями и пробовали себя в разных проектах, в том числе технологических. Наставниками от ВТБ стали наши Data Scientist-ы Алексей Пустынников и Даниил Ушаков. Они познакомили участников с GeoRAG — чатом, который рекомендует места и учитывает не только географию, но и смысл запроса. Например, помогает найти не просто ближайшую кофейню, а тихое и уютное место для работы, учитывая отзывы…

😼Наглядно про CatBoost в новой статье на Хабре Привет! Я Федор Тарасов, занимаюсь машинным обучением в команде collection стрима моделирования розничного бизнеса в Департаменте анализа данных и моделирования банка ВТБ. Как обучается классификатор CatBoost? В статье на Хабре разберем вывод функции потерь, градиентов и гессианов, выбор сплитов и расчёт ответов листьев. Затем на небольшом датасете шаг за шагом воспроизведём вычисления в Excel и учебной реализации на Python и сравним результаты с библиотекой. Будет полезно всем, кто знаком с основами градиентного бустинга, хочет разобраться в…

💡Обзор исследования — «Джейлбрейк ИИ: как взламывают LLM»  Сегодня LLM лежат в основе множества приложений — от чат-ботов до генерации кода. Но где больше возможностей, больше и риска: злоумышленники активно исследуют способы обхода встроенных ограничений, извлечения конфиденциальной информации и манипулирования поведением моделей.  Особое внимание сегодня привлекают LLM-агенты — автономные системы, которые используют языковые модели для планирования и выполнения действий: успешный взлом может привести не только к некорректному ответу, но и к реальным действиям, например, несанкционированны…